Стоимость одной и той же услуги на цифровых платформах может различаться в зависимости от того, кто и с какого устройства оформляет заказ.
При расчёте учитываются не только текущий спрос и условия предоставления услуги, но и сведения о предыдущей активности клиента. О принципах персонализированного ценообразования рассказала кандидат технических наук, доцент кафедры систем управления и информационных технологий Пятигорского института (филиала) СКФУ Карина Мартиросян.
По словам специалиста, подобная практика получила название «персонализированное ценообразование». Она предполагает, что алгоритмы определяют стоимость услуги с учётом цифрового профиля конкретного пользователя. В результате два человека, заказывающие одну и ту же поездку или доставку, могут увидеть разные суммы.
Одним из основных факторов становится история взаимодействия с платформой. Сервисы анализируют частоту заказов, расходы за определённый период и использование дополнительных услуг. Например, в экосистеме «Яндекса» на стоимость предложений могут влиять объём ежемесячных трат клиента и наличие подписки «Яндекс Плюс».
На формирование цены также воздействует активность пользователя. Как поясняет Карина Мартиросян, платформы могут предлагать более выгодные условия тем, кто давно не пользовался услугой, чтобы вернуть такого клиента. При этом многократное обновление страницы или повторный вход в приложение не обязательно помогают сэкономить: алгоритмы могут расценить подобные действия как признак повышенного интереса к услуге.
Впрочем, различия в стоимости не всегда связаны исключительно с поведением клиента. Значение имеют и технические условия проведения платежей. В частности, комиссии и правила обработки транзакций могут отличаться в зависимости от операционной системы и способа оплаты. Поэтому стоимость услуги при оформлении заказа с устройств на iOS и Android иногда оказывается неодинаковой.
Отдельным фактором может стать и марка смартфона. По словам эксперта, некоторые цифровые платформы рассматривают использование iPhone как косвенный признак более высокой платёжеспособности клиента. Это предположение может учитываться при формировании индивидуальных ценовых предложений.
Таким образом, цифровые платформы используют совокупность данных о клиентах, чтобы прогнозировать их потребности и готовность платить. Для обработки информации применяются алгоритмы машинного обучения, которые позволяют корректировать предложения с учётом особенностей поведения каждого пользователя. По мере развития технологий такие механизмы персонализации становятся всё более сложными.